| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究综述 | 第16-22页 |
| 1.2.1 Copula理论的研究综述 | 第16-19页 |
| 1.2.2 风险度量的研究综述 | 第19-20页 |
| 1.2.3 二元EMD的研究综述 | 第20-22页 |
| 1.3 研究内容与结构 | 第22-23页 |
| 1.4 研究方法与技术路线 | 第23-24页 |
| 1.4.1 研究方法 | 第23页 |
| 1.4.2 技术路线 | 第23-24页 |
| 1.5 本文的创新点 | 第24-25页 |
| 第二章 相关理论及方法概述 | 第25-37页 |
| 2.1 Copula理论简介 | 第25-32页 |
| 2.1.1 Copula的定义和性质 | 第25-26页 |
| 2.1.2 基于Copula的相依性测度 | 第26-28页 |
| 2.1.3 常用的二元Copula函数与相关性分析 | 第28-31页 |
| 2.1.4 Copula函数的单调变换定理 | 第31-32页 |
| 2.2 二元EMD算法 | 第32-34页 |
| 2.2.1 EMD | 第32-33页 |
| 2.2.2 二元EMD | 第33-34页 |
| 2.3 VaR方法 | 第34-37页 |
| 2.3.1 VaR的定义 | 第34-35页 |
| 2.3.2 VaR的估计 | 第35-37页 |
| 第三章 基于Copula理论的股市之间相关性研究 | 第37-47页 |
| 3.1 样本选取与描述性统计 | 第37-38页 |
| 3.2 二元EMD分解 | 第38-39页 |
| 3.3 基于Copula理论的相依性分析 | 第39-45页 |
| 3.3.1 总体相依性分析 | 第40-41页 |
| 3.3.2 微观相依性分析 | 第41-45页 |
| 3.4 结果分析 | 第45-47页 |
| 第四章 基于DCC-GARCH和EMD-DCC-GARCH的股票投资组合VaR风险度量研究 | 第47-55页 |
| 4.1 模型构建 | 第47-51页 |
| 4.1.1 理论模型 | 第47-50页 |
| 4.1.1.1 DCC-GARCH模型 | 第47-49页 |
| 4.1.1.2 VAR模型 | 第49-50页 |
| 4.1.2 基于DCC-GARCH模型的VaR风险度量模型 | 第50页 |
| 4.1.3 基于EMD-DCC-GARCH的VaR风险度量模型 | 第50-51页 |
| 4.2 VaR模型检验 | 第51-52页 |
| 4.3 实证分析 | 第52-55页 |
| 4.3.1 VaR值计算 | 第52-53页 |
| 4.3.2 VaR模型检验 | 第53-55页 |
| 第五章 基于EMD-Copula-GARCH的股票投资组合VaR风险度量研究 | 第55-63页 |
| 5.1 模型构建 | 第55-57页 |
| 5.1.1 理论模型 | 第55-56页 |
| 5.1.1.1 Copula-GARCH模型 | 第55-56页 |
| 5.1.2 基于Copula-GARCH的VaR风险度量模型 | 第56页 |
| 5.1.3 基于EMD-Copula-GARCH的VaR风险度量模型 | 第56-57页 |
| 5.2 实证分析 | 第57-60页 |
| 5.2.1 VaR值计算 | 第58-59页 |
| 5.2.2 VaR模型的检验 | 第59-60页 |
| 5.3 四种VaR模型的比较 | 第60-63页 |
| 5.3.1 VaR值的比较 | 第60-62页 |
| 5.3.2 超出率和MSE值的比较 | 第62-63页 |
| 第六章 结论与展望 | 第63-67页 |
| 6.1 本文的主要结论 | 第63-64页 |
| 6.2 论文未来的研究方向 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-73页 |
| 致谢 | 第73-75页 |
| 研究成果及发表的学术论文 | 第75-77页 |
| 作者及导师简介 | 第77-78页 |
| 附件 | 第78-79页 |
